cma 线性回归方程

cma 线性回归方程

最佳答案

我知道的哦，我看过我姐姐考过的呢，我来给你说说：利用cma进行logistic回归分析，解答如下

首先是打开数据以后，菜单栏上依次点击：analyse--regression--binary logistic，打开二分回归对话框

将因变量和自变量放入格子的列表里，如图所示，上面的是因变量，下面的是自变量，我们看到这里有三个自变量

设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法，在前面的文章中有介绍，这里就不再熬述。

点击ok，开始处理数据并检验回归方程，等待一会就会弹出数据结果窗口

看到的第一个结果是对case的描述，第一个列表告诉你有多少数据参与的计算，有多少数据是缺省值；第二个列表告诉你因变量的编码方式，得分为1代表患病，得分为0代表没有患病

这个列表告诉你在没有任何自变量进入以前，预测所有的case都是患病的正确率，正确率为%52.6

下面这个列表告诉你在没有任何自变量进入以前，常数项的预测情况。B是没有引入自变量时常数项的估计值，SE它的标准误，Wald是对总体回归系数是否为0进行统计学检验的卡方。

下面这个表格结果，通过sig值可以知道如果将模型外的各个变量纳入模型，则整个模型的拟合优度改变是否有统计学意义。 sig值小于0.05说明有统计学意义

这个表格是对模型的全局检验，为似然比检验，供给出三个结果：同样sig值<0.05表明有统计学意义。

下面的结果展示了-2log似然值和两个伪决定系数。两个伪决定系数反应的是自变量解释了因变量的变异占因变量的总变异的比例。他们俩的值不同因为使用的方法不同。

分类表，这里展示了使用该回归方程对case进行分类，其准确度为%71.8。

最后是输出回归方程中的各变量的系数和对系数的检验额值，sig值表明该系数是否具有统计学意义。到此，回归方程就求出来了。